主成分分析在手势识别系统中的可行性
计算机视觉与模式识别
2017-02-27 v1
摘要
如今，越来越多的事务以电子方式处理，取代了物理交互。早些时候，生物识别技术被用于个人身份认证。它通过使用与之相关的人类特征来识别个人，例如眼睛（通过计算双眼间距）以及使用手势、指纹检测、人脸检测等。使用这些特征进行身份识别的优势在于，它们能唯一地识别个人且不会被遗忘或丢失。这些是人类独有的特征，被广泛用于简化人类生活。手势识别系统是支持用户与计算机之间高效交互的强大工具。手势识别研究的主要动机是创建一个能够识别特定手势并利用它们传达有用信息以进行设备控制的系统。本文对主成分分析在手势识别系统中的可行性进行了实验研究。PCA是分析数据的强大工具，其主要目标是降维。从Sheffield KInect Gesture (SKIG)数据集中提取帧。通过创建训练集并训练识别器来完成实现。它通过处理训练集中图像的特征值和特征向量来使用特征空间。以带阈值的欧氏距离作为相似性度量来识别手势。实验结果表明，PCA用于手势识别系统是可行的。
引用
@article{arxiv.1702.07371,
title = {Feasibility of Principal Component Analysis in hand gesture recognition system},
author = {Tanu Srivastava and Raj Shree Singh and Sunil Kumar and Pavan Chakraborty},
journal= {arXiv preprint arXiv:1702.07371},
year = {2017}
}
备注
conference